智能物流技术-缪兴锋-任务9：公路智能无人驾驶定位技术.pptxVIP

教学知识点--任务9：公路智能无人驾驶定位技术 ;【知识目标】;【能力目标】;【知识链接】;一、公路智能无人驾驶定位概述 ;1. 公路智能无人驾驶的挑战;（1）对机器人系统来说，定位主要靠“同时定位与建图” 与“先验地图” 的交叉对比。它是指运动物体根据传感器的信息，一边计算自身位置，一边构建环境地图的过程。随着传感器种类和安装方式的不同，SLAM的实现方式和难度会有很大差异。 （2）目前开源的视觉传感器SLAM算法主要分三大类：①稀疏法（又称特征点法）；②稠密法（主要RGB-D）；③半稠密法（单目和双目用的多）；是目前最火热的领域。 （3）激光SLAM主要方法有Hector、Gmapping、Tiny。按传感器来分，SLAM主要分为激光、视觉两大类。 其中，激光SLAM研究较早，理论和工程均比较成熟。视觉方案目前尚处于实验室研究阶段，应用于室内且低速的商业化产品都没用出现，更何况远比室内室内复杂的高速运动室外环境。单从这点来说，激光雷达是自动驾驶必备的传感器。 ;2.公路智能无人驾驶定位意义;二、公路智能无人驾驶的关键技术;1.定位;公路智能无人驾驶的定位、导航及高精度地图功能，如下图所示。;2.环境感知;环境信息包括：道路的形状、方向、曲率、坡度、车道，交通标志，信号灯，其他车辆或行人的位置、大小、前进方向和速度等； 车辆状态信息包括：车辆的前进速度、加速度、转向角度、车身位置及姿态等。 多种传感器虽然可以获得丰富、细致的环境信息，但如何对多种传感器的信息进行融合统一处理，也是其中的难题之一，如对摄像头和激光雷达感知到的同一车辆的大小、位置、前进方向和速度信息进行融合，保证同一车辆在不同传感器中的时间和空间的一致。 ;3.路径规划;全局的路径规划指在已知全局地图的情况下，从车辆当前位置规划出一条到目的地的全局路径。 局部的路径规划指根据环境感知的信息（道路及障碍物信息），在换道、转弯、躲避障碍物等情况下，实时规划出一条安全、平顺的行驶路径。 公路智能无人驾驶中的车辆运动学模型公路智能无人驾驶中坐标系的旋转平移变换。;4.决策控制;三、公路智能无人驾驶定位类型 ;1.组合定位; 在地图匹配上，必须有一幅Prior Map与之对比。这幅地图不一定是厘米级高精度地图。这就需要说说地图了，地图可以分为四大类，分别是:尺度地图（Metric Map）、拓扑地图 [测] （Topological Map）、感测地图（Sensor Map）、语义地图（Semantic Map）。 最常见的地图是语义地图，无人驾驶不是导弹，一般输入目的地应该是语义级的，毕竟人类的交通模式还是语义级的，而非地理坐标。 这也是机器人和无人驾驶的区别之一，机器人一般不考虑语义级意义，它只需要知道自己在坐标体系中的位置。;2. 绝对定位;3. 相对定位;公路智能无人驾驶车辆相对定位的测距传感器和技术首先分为两大类： ;;四、公路智能无人驾驶定位方法;1.基于车载传感器的定位方法;（1）基于视觉定位方法;（2）基于激光雷达点云数据与高精地图匹配方法; 2. 多源融合定位方法;先进的无人车方案肯定不能完全基于RTK。目前，百度Apollo系统使用了全球导航卫星系统、实时动态（RTK）载波、RFID射频信号的定位、激光/微波雷达和相机/手机摄像设备融合的方案，多种传感器融合加上一个误差状态卡尔曼滤波器使得定位精度可以达到5-10厘米，且具备高可靠性和鲁棒性，达到了全球顶级水平。主流的无人车融合定位方案，如下图所示。 ; 3. 基于视觉或激光的地图信息匹配定位方法;4. 基于磁传感器的磁感应定位方法;5.基于射频信号定位方法;6. 基于RTK的定位方法